[發明專利]人體頭部姿態估計算法及操作員工作狀態識別系統

在審

• 申請號: 202011315864.4
• 申請日: 2020-11-22
• 公開（公告）號: CN112347974A
• 公開（公告）日: 2021-02-09
• 發明（設計）人: 殷廣玉;姚斌
• 申請（專利權）人: 上海祐云信息技術有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04
• 代理公司: 上海諾衣知識產權代理事務所(普通合伙) 31298
• 代理人: 劉艷芝

本發明公開了一種人體頭部姿態估計算法及系統，首先，通過視頻采集器獲取人體頭部圖像信息；然后，應用深度學習方法構建人臉特征點模型，獲取圖像中人臉特征點的位置；最后，計算出頭部的相對角度，獲取人體頭部姿態特征。在算法中構建深度神經網絡時加深特征數量，有效的提高了特征點準確度，能夠較好的對人臉形狀進行捕捉。針對駕駛室內操作人員的工作狀態，進行人臉特征點的構建，以實現頭部姿態跟蹤，通過人臉角度的估計和判斷，從而提醒管理者或者操作人員，達到預防人為事故的目的。

技術領域

本發明屬于圖像處理領域，具體涉及一種人體頭部姿態估計算法及操作員工作狀態識別系統。

背景技術

在現代化建筑工中塔吊成為工地不可缺少的設備，而作為特種設備其安全要求是非常高的，其中重中之重就是塔吊的操作人員，不僅有著嚴格的持證考試要求，對其工作時間的狀態需要時刻關注和提醒。

現有技術中，塔吊操作人員的監控只有視頻監控，人為的查看視頻中操作人員的狀態，不能實時跟蹤操作人員的工作狀態，在發生意外的情況下，也無法及時通知管理人員。

發明內容

本發明所要解決的技術問題是：提供一種人體頭部姿態估計算法及操作員工作狀態識別系統，解決了現有技術中人體頭部姿態估計算法復雜的問題。

本發明為解決上述技術問題采用以下技術方案：

一種人體頭部姿態估計算法，首先，通過視頻采集器獲取人體頭部圖像信息；然后，應用深度學習方法構建人臉特征點模型，獲取圖像中人臉特征點的位置；最后，計算出頭部的相對角度，獲取人體頭部姿態特征。

所述深度學習方法采用卷積約束模型檢測人臉特征點，由點分布模型捕捉人臉的形狀變化形成多個標記，并對每個標記進行建模。

人臉特征點分布在人臉局部語義區域周圍，在獲取的人臉圖像上，根據特征點周圍的整體及局部紋理分布，由卷積約束模型自動定位出人臉特征點的具體位置，將人臉特征點的具體位置及特征點周圍的外觀作為樣本進行訓練與學習，構建人臉特征點模型。

訓練與學習的過程中，在構建深度神經網絡時加深特征數量，提高特征點的準確度。

所述頭部姿態為頭部在三維空間中的轉動角度，頭部姿態估計的過程為從2D的頭部圖像中估計出頭部三個相對于視頻采集器的偏轉角度，根據三個偏轉角度的任何一種數學表達形式，確定頭部圖像的三維空間中的姿態。

所述三個偏轉角度分別為俯仰角、偏航角、翻滾角。

為了進一步解決不能實時跟蹤狹窄空間操作人員的工作狀態的問題，本發明還提供一種操作員工作狀態識別系統，具體的技術方案如下：

一種操作員工作狀態識別系統，包括設置在操作室前端的視頻采集器，與視頻采集器連接的中央處理器，以及設置在監控室的遠程監控終端；其中，視頻采集器采集操作員的頭部圖像信息，發送至中央處理器；中央處理器對接收到的圖像信息，應用人體頭部姿態估計算法獲取人體頭部姿態特征，并將人體頭部姿態特征發送至遠程監控終端。

操作室及監控室內還包括報警裝置，用于提示操作員本人或管理者當前的工作狀態。

所述操作員工作狀態識別系統用于塔吊操作員的工作狀態識別。

與現有技術相比，本發明具有以下有益效果：

1、在算法中構建深度神經網絡時加深特征數量，有效的提高了特征點準確度，能夠較好的對人臉形狀進行捕捉。

2、被觀察者離視頻采集器相對較近，位置相對固定，攝像頭可以定點捕捉人臉，被觀察者的情緒和頭部姿態角度，決定了是否觸發報警，需要深度神經網絡時加深特征數量，有效的提高了特征點準確度。